
Living Spec: thí nghiệm đối chứng cho thấy file spec rẻ hơn 54 lần, nhưng spec cũ là điểm lỗi duy nhất
Vũ Khôi
Tác giả tại Wotech Electronics Blog

Living Spec: thí nghiệm đối chứng cho thấy file spec rẻ hơn 54 lần, nhưng spec cũ là điểm lỗi duy nhất
Mình vừa bắt AI nhà mình chứng minh một phương pháp đang hot, và kết quả làm mình phải sửa lại cách hiểu của chính mình. Đó là chia sẻ của Cáo Nhăn Nhó trong nhóm Muse AI Việt Nam (19/11/2026) về phương pháp Living Spec — thí nghiệm đối chứng do chính tác giả thiết kế và chạy. Mọi con số, quy trình và nhận định trong bài là theo bài đăng, chưa được Wotech kiểm chứng độc lập.
Trả lời nhanh: Theo bài đăng, có bài chia sẻ phương pháp Living Spec, đại ý là đừng bắt AI đọc lại lịch sử chat dài dằng dặc nữa, hãy chưng cất trạng thái dự án thành một file ngắn rồi ghim cố định. Nghe rất hợp lý, nhưng hợp lý chưa phải là đúng, nên tác giả bắt AI làm thí nghiệm đối chứng đàng hoàng. Ba phát hiện đáng tiền nhất: một, về chi phí thì phương pháp này thắng tuyệt đối — đọc file spec chỉ tốn 970 token đầu vào, đọc toàn bộ lịch sử tốn 52.767 token, gấp khoảng 54 lần cho cùng một đáp án đúng. Hai, về độ chính xác thì không thần thánh như bài gốc nói — mô hình lớn đọc lịch sử thô vẫn đúng 12 trên 12, nhưng mô hình nhỏ tụt xuống 10 trên 12 ở điều kiện lịch sử bẩn nhất, sai đúng hai chỗ mà quyết định cuối chỉ được nói thoáng qua; còn đọc spec thì vẫn đúng tuyệt đối. Ba, và đây là phát hiện tác giả thấy đáng nhất: file spec là điểm lỗi duy nhất — tác giả cố tình làm cũ 4 trường trong spec thì kết quả sai đúng 4 trường đó, không tự sửa được một trường nào; spec tươi thì phương pháp đúng, spec cũ thì nó truyền lỗi với độ tự tin tuyệt đối.
Living Spec là phương pháp chưng cất trạng thái dự án thành một file ngắn rồi ghim cố định, thay vì bắt AI đọc lại lịch sử chat dài dằng dặc — theo bài đăng, tác giả đã làm thí nghiệm đối chứng để kiểm tra phương pháp này.
Thí nghiệm được làm như thế nào?
Theo bài đăng, cách làm: dựng một dự án giả với 12 quyết định, quyết định nào cũng có bản cũ đã bị thay thế, chen thêm 10 dự án khác có cấu trúc giống hệt để gây nhiễu, lịch sử chat dài tới 52.767 token. Rồi cho hai mô hình, một lớn một nhỏ, trả lời 12 câu hỏi về trạng thái hiện tại trong bốn điều kiện khác nhau.
Ba phát hiện đáng tiền nhất
Theo bài đăng, kết quả như sau:
| Phát hiện | Kết quả thí nghiệm, theo bài đăng |
|---|---|
| Chi phí | Đọc file spec chỉ tốn 970 token đầu vào, đọc toàn bộ lịch sử tốn 52.767 token, gấp khoảng 54 lần cho cùng một đáp án đúng — phương pháp này thắng tuyệt đối |
| Độ chính xác | Mô hình lớn đọc lịch sử thô vẫn đúng 12 trên 12; mô hình nhỏ tụt xuống 10 trên 12 ở điều kiện lịch sử bẩn nhất, sai đúng hai chỗ mà quyết định cuối chỉ được nói thoáng qua; đọc spec thì vẫn đúng tuyệt đối — không thần thánh như bài gốc nói |
| Điểm lỗi duy nhất | Cố tình làm cũ 4 trường trong spec thì kết quả sai đúng 4 trường đó, không tự sửa được một trường nào; spec tươi thì phương pháp đúng, spec cũ thì nó truyền lỗi với độ tự tin tuyệt đối |
Áp dụng ngay: dùng Living Spec vì nó rẻ, và kỷ luật cập nhật
Theo bài đăng, kết luận của tác giả: Living Spec đáng dùng, nhưng không phải vì nó chữa mất trí nhớ cho AI. Nó đáng dùng vì nó rẻ hơn hàng chục lần, nó giúp các mô hình nhỏ vẫn làm đúng việc, và nó cho mình một nguồn sự thật duy nhất để kiểm tra. Cái giá phải trả là kỷ luật cập nhật, quên cập nhật là sai có hệ thống luôn. Câu hỏi cuối bài đăng đặt ra cho người đọc trong nhóm: có ai đang dùng file trạng thái kiểu này cho dự án thật không, cập nhật bằng tay hay đã có cách tự động rồi?
Câu hỏi thường gặp
1. Living Spec là gì? Theo bài đăng, Living Spec là phương pháp đừng bắt AI đọc lại lịch sử chat dài dằng dặc nữa, hãy chưng cất trạng thái dự án thành một file ngắn rồi ghim cố định.
2. Thí nghiệm đối chứng được làm như thế nào? Theo bài đăng: dựng một dự án giả với 12 quyết định, quyết định nào cũng có bản cũ đã bị thay thế, chen thêm 10 dự án khác có cấu trúc giống hệt để gây nhiễu, lịch sử chat dài tới 52.767 token; rồi cho hai mô hình, một lớn một nhỏ, trả lời 12 câu hỏi về trạng thái hiện tại trong bốn điều kiện khác nhau.
3. File spec rẻ hơn bao nhiêu so với đọc toàn bộ lịch sử? Theo bài đăng, đọc file spec chỉ tốn 970 token đầu vào, đọc toàn bộ lịch sử tốn 52.767 token, gấp khoảng 54 lần cho cùng một đáp án đúng.
4. Độ chính xác thì sao, mô hình nhỏ có làm đúng không? Theo bài đăng, mô hình lớn đọc lịch sử thô vẫn đúng 12 trên 12; mô hình nhỏ tụt xuống 10 trên 12 ở điều kiện lịch sử bẩn nhất, sai đúng hai chỗ mà quyết định cuối chỉ được nói thoáng qua; còn đọc spec thì vẫn đúng tuyệt đối.
5. Rủi ro lớn nhất của Living Spec là gì? Theo bài đăng, file spec là điểm lỗi duy nhất: cố tình làm cũ 4 trường trong spec thì kết quả sai đúng 4 trường đó, không tự sửa được một trường nào; spec tươi thì phương pháp đúng, spec cũ thì nó truyền lỗi với độ tự tin tuyệt đối. Cái giá phải trả là kỷ luật cập nhật, quên cập nhật là sai có hệ thống luôn.
Nguồn: bài đăng của Cáo Nhăn Nhó trong nhóm Muse AI Việt Nam (19/11/2026) về thí nghiệm đối chứng phương pháp Living Spec. Mọi con số, quy trình và nhận định trong bài là theo bài đăng, chưa được Wotech kiểm chứng độc lập.
Bài viết liên quan

20 tháng 11, 2026 · 8 phut doc
Trợ lý Muse tự tay kiện Meta: bị khóa page vì tưởng là hacker, rồi soạn đơn kiện đòi 75.000 đô
Một chủ doanh nghiệp nhỏ ở Nam Carolina vừa dùng chính trợ lý Muse của Meta để kiện Meta, và câu chuyện này đúng là kiểu mà chỉ thời đại agent mới có. Đó là nội dung bài đăng của Trần Mạnh Quân trong…

20 tháng 11, 2026 · 8 phut doc
Muse nối Google Calendar: lịch tự báo cho AI, dời giờ họp là Muse biết trước bạn
Có một buổi chiều, lịch hẹn với nhà cung cấp bị dời giờ, và bạn chưa kịp mở lịch để xem thì Muse đã biết. Không phải vì Muse đoán, mà vì lịch của bạn đã nối với nó, và khi lịch đổi thì Muse cũng đổi …

20 tháng 11, 2026 · 8 phut doc
Team 2 người, hơn 10 đầu việc tự chạy mỗi ngày: Javis OS làm thay việc lặp lại, chủ chỉ đọc báo cáo
Team mình có đúng 2 người. Nhưng mỗi ngày có hơn 10 đầu việc tự chạy, kể cả lúc cả 2 đứa đang ngủ. Đó là chia sẻ của Phạm Quảng Đại trong nhóm Sắc Màu Cuộc Sống Xa Quê (20/11/2026) về Javis OS của an…